【免费下载链接】HEART-fp32项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/HEART-fp32点击查看免费下载HEART-fp32 是 HEART 超分辨率图像放大/超分模型在 MLX 框架下的 fp32 精度版本仓库一次性提供 4 个检查点fidelity、sharp、clean 和 clean2x。面对 4 个名字相近的.safetensors文件新手很容易选错。这篇文章带你用最短时间搞懂每个变体的定位、适用场景和精度差异帮你快速选对 HEART-fp32 检查点。先认识一下 HEART-fp32 是什么HEART 全称HybridEfficientAttention withRank-factorized biasTransformer是由 Philip HofmannPhips训练的 16.7M 参数超分辨率网络架构基于 HAT-iLN 窗口注意力。它的特别之处在于仅用 CC0 数据集训练全部训练来自Phips/lucid-cc0-v2-hc-512语料平台声明 CC0 许可版权干净⚡轻量级整个模型不到 17M 参数4 个检查点每个约 64MBfp32消费级硬件轻松跑原生适配 Apple Silicon本仓库是 mlx-heart-swift Swift/MLX 移植版所使用的参考权重逐张量精确转换自上游 PyTorch 文件本仓库 HEART-fp32 是parity / 参考通道reference lane即与上游 PyTorch 实现的精度对齐版本日常部署推荐使用姊妹仓库mlx-community/HEART-fp16体积减半精度几乎无损。四个检查点一览快速对号入座仓库根目录下的 4 个权重文件与变体的对应关系如下来源README.md 与 config.json检查点文件变体名放大倍数定位heart_4x_otf_v2_fp32.safetensors.fidelity默认4×OTF fidelity受损输入场景表现最强heart_4x_otf_gan_fp32.safetensors.sharp4×OTF GAN真实感输出中最锐利heart_4x_pretrain_fp32.safetensors.clean4×官方预训练适合干净源图像heart_2x_fp32.safetensors.clean2x2×官方 2× 预训练 每个变体都是独立文件好处是打包/分发时只需拉取你用得上的那一个不会白白多下载几十 MB。fidelity 变体受损输入的默认首选文件heart_4x_otf_v2_fp32.safetensors.fidelity是引擎的默认变体HEARTConfiguration(variant: .fidelity)。它对应上游的heart_4x_otf_v2检查点在 Forge bench 上是受损输入压缩失真、模糊、噪声较多的图像表现最好的分支arm。什么时候选它 输入是经过 JPEG/WebP 多轮压缩、有可见压缩伪影的图 老照片、扫描件等低质量来源✅ 没有特殊偏好时直接用它最稳妥精度数据上它也是 4 个变体中最高的与上游 PyTorch 实现逐张量对齐128² 分辨率下 PSNR 达127.5 dB每个子操作相对误差在 1e-5 以内详见 README.md 的 Parity 一节。sharp 变体追求最锐利的真实感输出文件heart_4x_otf_gan_fp32.safetensors.sharp对应上游heart_4x_otf_gan检查点加入了 GAN 训练分支主打真实世界输出中最锐利的效果。它和 fidelity 的取舍维度.fidelity.sharp保真度对受损输入⭐ 最强良好锐利度/观感稳健⭐ 最锐利对齐精度 PSNR127.5 dB125.3 dB适用偏好内容准确优先观感锐利优先什么时候选它放大游戏截图、海报、UI 设计稿等干净且需要边缘锐利的内容时.sharp通常比默认变体更好看。clean 与 clean2x 变体官方预训练检查点clean 文件heart_4x_pretrain_fp32.safetensorsclean2x 文件heart_2x_fp32.safetensors这两个是 HEART 上游官方预训练pretrain权重与上面两个 OTF 微调变体相对.clean4×适合源头本身就干净的图像原生高分辨率截图、无损素材避免 OTF 分支引入的风格化.clean2x2×当只需要2 倍放大时使用参数 16.5M比 4× 系列略小对齐 PSNR 124.0 dB⚠️ 注意.clean2x是唯一输出 2× 的变体其余三个都是 4×。在 Swift 引擎中通过.clean2x即可切到 2× 路径。选型速查一张表决定用哪个变体你的场景推荐变体理由不确定用哪个.fidelity官方默认受损输入最强压缩/模糊/受损图像.fidelityForge bench 受损输入最佳干净素材要锐利观感.sharpGAN 分支最锐利干净源图、保守放大.clean官方预训练风格中性只需 2 倍放大.clean2x唯一的 2× 检查点HEART-fp32 与 HEART-fp16 有什么区别这是新手最容易混淆的点简单说HEART-fp32本仓库 参考通道全部张量 fp32用于精度对齐与验证HEART-fp16 部署通道shipping laneconv/linear 张量转 fp16体积约减半如 fidelity 从 66.8MB → 33.7MB但以下关键张量仍保持 fp32i-LN 与 affine 的 weight/biasRIB 隐式网络参数所有归约运算i-LN 统计量、RIB 位置表、softmax、全局平均池化也就是说fp16 版本用 220/748 张张量的 fp32 保护策略 fp32 归约在体积减半的同时保留了参考级精度。日常使用建议直接用 fp16 通道本仓库适合做基线校验。架构参数速览来自 config.jsonconfig.json 除了变体元信息上游 sha256、fp32/fp16 校验和、张量数外还记录了完整架构参数方便核对参数值说明embed_dim180通道维度depths6×66 个 stage每个 6 层window_size32窗口注意力尺寸num_feat64基础特征数rank8秩分解偏置的秩layoutOHWI/NHWC权重与激活布局每个 4× 检查点含748 张量 / 192 个卷积张量heart_2x为 746 张量参数规模约 16.68M。如何下载并接入使用仓库为只读直接拉取权重文件即可需 LFS 支持git clone https://link.gitcode.com/i/e5ebbdff3b52dd60207813057c925dca在 Swift/MLX 移植版 mlx-heart-swift 中引擎会在首次使用时自动从本仓库物化所选变体文件到模型存储WeightSourcing只需指定变体即可import MLXServeCore, MLXHEART let engine MLXServeEngine() let id try await engine.register(HEARTUpscalePackage.registration, configuration: HEARTConfiguration(variant: .fidelity, quant: .fp16)) let out try await engine.run(ImageUpscaleRequest(image: image), package: id) // 4×2× 用 .clean2x许可与署名 代码与权重均为Apache-2.0Philip Hofmann / Phips 架构族HAT、HAT-iLNXPixelGroup与 traiNNer-redux 的hat_iln_arch.py同为 Apache-2.0 训练语料Phips/lucid-cc0-v2-hc-512平台声明 CC0使用这些权重时请按照上游要求给作者署名。更多出处与校验信息见 README.md 的 Licences and provenance 一节。小结HEART-fp32 四个检查点的选择其实很简单默认选.fidelity—— 受损输入最强官方默认 要锐利选.sharp—— GAN 分支观感最利索 干净源保守放大选.clean只需 2× 选.clean2x⚖️ 本仓库是 fp32 参考通道生产部署建议换用体积减半的HEART-fp16赞分享【免费下载链接】HEART-fp32项目地址https://ai.gitcode.com/hf_mirrors/mlx-community/HEART-fp32点击查看免费下载相关推荐HEART-fp16 四大模型变体怎么选fidelity、sharp、clean、clean2x 超分辨率对比指南HEART fp16 四大模型变体怎么选fidelity、sharp、clean、clean2x 超分辨率对比指南 HEART fp16 是一个基于 HATplan-review 审查策略怎么选minimal / default / strict / polish 四档完全解析plan review 审查策略怎么选minimal / default / strict / polish 四档完全解析 plan review 是一款 CSTELLAR 5个检查点怎么选B16、L16、H16、B8、B24模型选择终极指南STELLAR 5个检查点怎么选B16、L16、H16、B8、B24模型选择终极指南 STELLAR 是微软开源的自监督视觉模型ICML 2026通过上一篇Remodex macOS后台服务完全指南launchd守护、自动重连与全部命令详解下一篇AutoResearch执行全流程解析从实验规划到独立评审如何跑通一个研究Idea创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考